SAR 이미지 대비를 위한 파라메트릭·비파라메트릭 검정

초록

본 논문은 SAR 영상의 스펙클 잡음을 모델링하는 G0 분포에 특화된 통계적 발산 지표들을 제안하고, 이를 이용한 대비 검정 방법을 개발한다. 삼각형·산술‑기하 평균 발산이 Kolmogorov‑Smirnov 기반 검정보다 검정력과 견고성에서 우수함을 시뮬레이션으로 입증한다.

상세 분석

SAR(Synthetic Aperture Radar) 영상은 코히어런트 조명을 사용하기 때문에 스펙클이라 불리는 곱셈형 잡음에 크게 영향을 받는다. 이 잡음은 전통적으로 곱셈 모델에 의해 설명되며, 특히 G0 분포가 다양한 지형 및 관측 조건을 포괄하는 가장 일반적인 모델로 인정받고 있다. 논문은 이러한 G0 분포를 전제로 하여 이미지 대비(contrast) 평가를 위한 새로운 통계적 도구를 개발한다는 점에서 의미가 크다.

우선 저자들은 Kullback‑Leibler, 삼각형, 산술‑기하 평균 등 여러 발산( divergence) 지표를 G0 분포에 맞게 변형하였다. 각 발산은 두 확률밀도함수 사이의 차이를 정량화하지만, G0 분포의 파라미터(스케일, 형태, 신호‑대‑잡음 비율 등)의 비선형성 때문에 기존 형태를 그대로 적용하면 계산 복잡도와 정확도에서 문제가 발생한다. 이를 해결하기 위해 저자들은 파라미터 추정에 최대우도법(ML)과 강인한 추정기법을 병행하고, 발산 식을 폐쇄형으로 유도함으로써 실용성을 확보하였다.

비파라메트릭 접근으로는 Kolmogorov‑Smirnov(KS) 거리의 G0 전용 버전을 제안한다. KS 검정은 누적분포함수(CDF) 차이를 기반으로 하지만, G0 분포의 꼬리 두께가 강하게 비대칭적이기 때문에 표준 KS 검정은 민감도가 떨어진다. 저자들은 G0 특성에 맞는 누적분포 함수를 사전 계산하고, 이를 이용해 경험적 CDF와의 최대 차이를 측정함으로써 기존 KS 검정의 한계를 보완한다.

검정 성능 평가는 두 차원에서 이루어진다. 첫째, 검정 크기(type I error)를 5% 수준에서 유지하는지 확인하기 위해 순수 G0 데이터에 대해 시뮬레이션을 수행했다. 둘째, 검정 파워(type II error)를 평가하기 위해 다양한 대안 가설(예: 파라미터 미세 변동, 혼합 분포, 외부 오염) 하에서 검정력을 측정했다. 결과는 삼각형 발산과 산술‑기하 평균 발산이 특히 파라미터 변화가 작을 때도 높은 검정력을 보이며, KS 기반 검정보다 평균 12%~18% 높은 파워를 기록했다.

또한, 최대우도 추정기의 견고성 분석을 위해 인위적인 혁신적 오염(impulsive contamination)을 도입하였다. 오염 비율이 5%까지 증가해도 제안된 발산 기반 검정은 유의수준을 크게 벗어나지 않았으며, 추정 파라미터의 편향도 제한적인 수준에 머물렀다. 반면 KS 검정은 오염에 매우 민감해 검정 크기가 급격히 상승하였다.

이러한 결과는 SAR 이미지 처리에서 대비를 정량화하고, 변화를 감지하거나 분류 알고리즘의 전처리 단계로 활용할 때, 파라메트릭 발산 기반 검정이 더 신뢰할 수 있는 도구임을 시사한다. 특히, 실시간 혹은 대용량 데이터 처리 환경에서 계산 효율성을 고려했을 때, 폐쇄형 발산 식과 ML 추정의 결합은 실용적인 장점을 제공한다.